共查询到20条相似文献，搜索用时 968 毫秒
1.
2.
针对现有页岩气储集层总有机碳含量预测模型存在的模型泛化能力弱、稳定性差的问题,提出了一种利用随机森林回归算法预测储集层总有机碳含量的方法。该方法使用地球物理测井提供的密度、铀含量、钍含量、自然伽马及光电吸收截面吸收指数等测井响应值作为输入,岩芯实验总有机碳含量作为输出,通过学习输入曲线与总有机碳含量的函数关系,动态预测整口井的总有机碳含量曲线。通过对焦石坝地区两口页岩气探井建模及预测可知,当随机森林中树的数量达到500时,建立的模型即可对训练样本中输入与输出的函数关系进行完全学习。通过训练结果及预测结果可知,随机森林回归方法不易发生过拟合现象,泛化能力极强,同时预测得到的曲线更为平滑,预测总有机碳含量较其他方法更为准确,有效地提高测井信息预测总有机碳含量模型的精度,对页岩气储集层评价提供帮助。 相似文献
3.
页岩气属于非常规能源,储量非常丰富,主要赋存于富有机质泥页岩及其夹层中。总有机碳（TOC）含量是页岩气储层评价的重要参数之一,综合利用富有机质泥页岩的典型测井响应特征,提出利用测井曲线预测TOC分类,进而识别富有机质泥页岩的方法,并以江苏南京汤地1井为例,通过相关性分析优选出自然伽马、深侧向电阻率、中子孔隙度、自然电位4个测井参数,建立了总有机碳含量的贝叶斯自动判别分类模型。实际资料的处理结果显示,样品回判正确率为71.43%,表明该方法可有效弥补实验室测定总有机碳含量的不足,能够快速评价富有机质泥页岩层段。 相似文献
4.
通过南方地区页岩气藏的储层特征和赋存方式的研究,认为页岩各组分含量的准确计算直接关系到含气量评价的精度.以南方3个工区计74块岩心样品组分分析实验为基础,提出页岩的五元工业组分体积模型和体积含量计算方法.对其中表征页岩含气性最关键组分——干酪根（有机碳）含量,分别建立与三孔隙度、电阻率、铀元素等5条测井曲线的线性关系.通过有机碳敏感性分析,引入两种多元回归计算有机碳含量方法,确定了适用于3个南方地区有机碳含量的公式.3口探井应用实例表明该方法符合页岩气藏的实际,提高了页岩气层各组分含量的计算精度,取得了预期的地质效果. 相似文献
5.
利用测井资料对页岩气进行评价有两方面的内容,一是页岩的识别,即利用页岩在测井曲线上的异常响应特征,确定页岩层的位置与厚度;二是对页岩气储层进行评价,有机碳（TOC）含量是评价页岩气的重要参数,利用ΔlgR技术,可以快速有效的计算页岩层的有机碳（TOC）含量。实例表明利用测井方法并结合地球化学实验资料,可以对页岩气进行有效评价及预测。 相似文献
6.
页岩储层测井评价是后期压裂改造工程的基础,通过分析柴页1井常规测井曲线特征,结合特殊测井和岩心样品分析化验数据,综合评价了中侏罗统大煤沟组页岩岩性、物性、地球化学、含气性、可压裂性等特征,获得了储层评价及工程改造参数。柴页1井中侏罗统大煤沟组至少发育128.1m厚的富有机质页岩,具有高伽马、高声波时差、高中子、高电阻、低密度的特点;测井计算有利的富有机质页岩的总有机碳含量介于3.20%~4.20%之间,总含气量介于1.50~4.50m3/t之间,有利页岩层段脆性矿物含量介于45%~75％之间,划分出3个有利层组,第Ⅰ层组和第Ⅱ层组具有杨氏模量高、泊松比低的特点,有利于后期射孔压裂。 相似文献
7.
常规测井计算方法难以满足页岩气田探明储量申报对储层矿物含量解释精度的要求。基于全岩X衍射和数字岩心构建实验对下志留统龙马溪组页岩气储层矿物成分的认识,建立了简化的岩石物理体积模型,把岩石骨架近似看作由硅质矿物、碳酸盐矿物和黏土矿物组成。引入"黏土视骨架密度"参数,建立了新的储层矿物含量计算公式。采用岩心全岩X衍射、岩心物性、有机碳含量数据,建立适合研究区的黏土视骨架密度法系列计算图版。基于常规测井数据计算出有机碳含量,通过图版可求得黏土视骨架密度,进一步可求得页岩中与简化模型相对应的三类矿物含量。与传统方法对比,"黏土视骨架密度法"解释精度相对较高,且费用低廉,易于在研究区推广。 相似文献
8.
温度对页岩吸附解吸的敏感性研究 总被引：3，自引：0，他引：3
页岩气的赋存方式主要是吸附,使吸附在页岩储层内表面的天然气解吸出来是提高页岩气井产量的最终目标。为了使吸附在页岩储层内的天然气完全地被采出来,提出了升温加速解吸的方法来提高页岩气采收率。通过室内吸附与解吸实验,对4块页岩岩心分别进行了不同温度下的等温吸附量与解吸量测定,分析影响页岩储层吸附量与解吸量的主要因素,研究提高储层温度来加速解吸页岩储层CH4吸附量的适应性。研究结果表明,页岩的吸附能力与页岩的有机碳含量和有机成熟度密切相关,随着页岩有机碳含量以及有机成熟度的提高,页岩的吸附能力增加。不同温度的吸附与解吸实验表明,温度越高,页岩的吸附能力越低,随着温度的升高,页岩气的解吸量增大。升温可以提高页岩气的解吸时间、解吸速度以及提高页岩气最终采收率。提高页岩储层温度进行加速解吸是一种提高页岩气产量的好方法,可以对页岩气藏开采和开发理论提供一定的指导意义。 相似文献
9.
总有机碳(TOC)质量分数是烃源岩评价的重要指标。为了对鄂尔多斯盆地东南部安塞地区延长组长9烃源岩有机碳进行测井评价,本文先立足于岩心分析实测w(TOC)资料,基于烃源岩对不同测井曲线的响应特征,运用多元回归模型、传统Δlog R模型以及Δlog R模型的改进型和广义型,分别建立烃源岩w(TOC)测井定量预测模型;然后将这几种模型加以分析和组合运用,从改进Δlog R模型中提取拟合叠合系数应用到两种广义Δlog R模型的计算当中,应用效果良好;最后对模型进行对比和优选,提出最适合研究区的烃源岩w(TOC)测井定量预测模型。结果表明:考虑密度的广义Δlog R模型准确度最高,平均相对误差为7.78%;多元回归模型次之,平均相对误差为9.65%。二者均满足w(TOC)测井定量预测的精度要求。 相似文献
10.
基于页岩无机孔隙和有机孔隙润湿性和孔径的差异,考虑甲烷、氦气、水在页岩无机孔隙和有机孔隙中储集位置的不同,通过3种流体饱和实验建立了储层温度和压力条件下页岩气藏各赋存状态气体体积的实验测量和计算方法,得到页岩的无机孔隙度和有机孔隙度,并分析了页岩气储层含气量的影响因素。研究表明：对于所选岩样,无机孔隙和有机孔隙分别占总孔隙体积的65%和35%,无机孔隙中的游离气、有机孔隙中的游离气和吸附气分别平均占总含气量的51%、22%和27%;川南下志留统龙马溪组页岩具有较高的热演化程度,随总有机碳含量的增加,纳米级有机孔隙大量发育,为甲烷提供了吸附空间。明确了总有机碳含量主要影响吸附气含量,指出在页岩气资源量评价、产能预测和后期开发过程中,需要考虑有机质及其内部吸附气的影响。 相似文献
11.
基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型 总被引：2，自引：0，他引：2
页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩芯采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明：BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。 相似文献
12.
《地学前缘(英文版)》2023,14(4):101567
Evaluating the potential of shale gas reservoirs is inseparable from reservoir properties prediction. Accurate characterization of total organic carbon, porosity and permeability is necessary to understand shale gas reservoirs. Seismic data can help to estimate these parameters in the area crossing-wells. We develop an improved deep learning method to achieve shale gas reservoir properties estimation. The relationship between elastic attributes and reservoir properties is built up by training a deep bidirectional long short-term memory network, which is suitable for time/depth sequence prediction, on the logging and core data. Except some commonly used technologies, such as layer normalization and dropout, we also introduce attention mechanism to further enhance the prediction accuracy. Besides, we propose to carry on the normal scores transform on the input features, which aims to make the relationship between inputs and targets clear and easy to learn. During the training process, we construct quantile loss function, then use Adam algorithm to optimize the network. Not only the characterization results, but also the confidence interval can be output that is meaningful for uncertainty analysis. The well experiment indicates that the method is promising for reducing prediction errors when training samples are insufficient. After analyzing in wells, the established model is acted upon seismic inverted elastic attributes to characterize shale gas reservoirs in the whole studied area. The estimation results coincide well with the actual development results, showing the feasibility of the novel method on the characterization for shale gas reservoirs. 相似文献
13.
准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义。碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差。以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林（RF）、K-近邻（KNN）、支持向量机（SVM）和长短期记忆网络（LSTM）4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法。研究结果表明：4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子（NPHI）、岩性密度（RHOB）和声波时差（DT）3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差（RMSE）为4.536 2;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.882 3。 相似文献
14.
15.
Most multiple-fractured horizontal wells experience long-term linear flow due to the ultralow permeability of shale gas reservoirs. Considering the existence of natural fractures caused by compression and shear stresses during the process of tectonic movement or the expansion of high-pressure gas, a shale gas reservoir can be more appropriately described by dual-porosity medium. Based on the assumption of slab dual-porosity, this paper uses the trilinear flow model to simulate the transient production behavior of multiple-fractured horizontal wells in shale gas reservoirs, which takes the desorption of adsorbed gas, Knudsen diffusion and gas slippage flow in the shale matrix into consideration. Production decline curves are plotted with the Stehfest numerical inversion algorithm, and sensitivity analysis is done to identify the most influential reservoir and hydraulic fracture parameters. It was found that the density and permeability of the natural fracture network are the most important parameters affecting the production dynamics of multiple-fractured horizontal wells in shale gas reservoirs. The higher the density and permeability of the natural fractures are, the shorter the time is required to exploit the same amount of reserve, which means a faster investment payoff period. The analytical model presented in this paper can provide some insight into the reserve evaluation and production prediction for shale gas reservoirs. 相似文献
16.
以鄂西地区为例,利用钻井、测井及测试资料,开展牛蹄塘组和陡山沱组页岩岩相类型与地质属性（总有机碳含量、孔隙度、横向渗透率、脆性及孔隙类型）关系的研究.研究结果表明:鄂西地区共发育11类岩相页岩,不同岩相页岩间存在明显的地质属性差异.结合有机质页岩特征,识别出3种优质页岩类型:硅质页岩、富泥硅质页岩和混合质页岩.优质页岩含气量明显高于非优质页岩含气量,这证实了准确的优质页岩识别结果.通过对页岩测井影响因素的分析,总结出优质页岩具有高自然伽马、高电阻率、高声波时差、高铀、低密度、低钍、低钾（四高三低）的测井响应特征,从而提出适用于在鄂西高热演化区寻找具有低热演化程度,较强生烃潜力及易开发的页岩储层测井识别方法. 相似文献
17.
层序地层格架及其对页岩储层发育特征的影响-以四川盆地龙马溪组页岩为例 总被引：3，自引：3，他引：0
为研究海相页岩沉积层序及其对页岩储层发育特征的控制作用,通过露头、岩芯研究及地化测试、有机质测试、矿物组分测试、孔隙发育特征测试等室内分析测试,结合测井小波分析,综合建立四川盆地龙马溪组的层序地层格架,并结合储层发育特征探讨层序与储层发育特征的关系。研究表明:研究区龙马溪组发育有两个三级层序;结合多口钻孔通过测井小波分析构建了研究区的高分辨率层序地层格架,识别出四个中期旋回A~D;对比各旋回内的储层发育特征,旋回A储层岩石学特征与旋回B~D存在显著差异,表现为储层有机质含量更高、水平层理更为发育、脆性矿物含量更高、微观储集空间（微—纳米级孔隙与微裂隙）发育程度更好,显示了层序旋回与储层物质成分、结构、力学脆性、含气性特征的显著相关关系,说明层序旋回是储层物性与含气性等发育特征的重要影响因素。基于前述研究,讨论了层序地层格架对储层发育的控制机理,层序格架下各旋回内沉积环境与沉积条件的差异导致储层沉积构造、物质成分与分布的差异,进而影响储层物性与含气性等特征;沉积盆地内高分辨率层序格架的建立可以为储层对比、评价与资源预测提供时间框架。建立了通过测井小波分析高分辨率层序地层格架进行储层分析对比的新方法,提出了基于储层小层分析建立页岩储层精细评价的新工作流程,有助于减少人为因素干扰,可以为页岩优质储层成因研究及其预测评价提供科学依据与新思路。 相似文献
18.
介绍了径向基函数神经网络的原理、训练算法,建立的径向基函数神经网络城市需水量预测模型具有较强的非线性处理能力和逼近能力,运算速度快、性能稳定,克服了BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,预测精度较高,泛化能力强。 相似文献
19.
随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。 相似文献
20.
将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣。为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测。实验结果表明：首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90%以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法。深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值。 相似文献